ColorFighter - C ++ - zjada kilka połykaczy na śniadanie
EDYTOWAĆ
- wyczyścił kod
- dodano prostą, ale skuteczną optymalizację
- dodano kilka animacji GIF
Boże, nienawidzę węży (udawaj, że to pająki, Indy)
Właściwie uwielbiam Python. Chciałbym być mniej leniwym chłopcem i zacząłem się go właściwie uczyć, to wszystko.
Biorąc to wszystko pod uwagę, musiałem zmagać się z 64-bitową wersją tego węża, aby uruchomić Sędziego. Zmuszenie PIL do pracy z 64-bitową wersją Pythona pod Win7 wymaga więcej cierpliwości, niż byłem gotów poświęcić temu wyzwaniu, więc ostatecznie (boleśnie) przerzuciłem się na wersję Win32.
Ponadto, sędzia ma tendencję do poważnych awarii, gdy bot jest zbyt wolny, aby zareagować.
Nie znając języka Python, nie naprawiłem tego, ale ma to związek z przeczytaniem pustej odpowiedzi po upływie limitu czasu na stdin.
Niewielkim ulepszeniem byłoby umieszczenie wyjścia stderr w pliku dla każdego bota. Ułatwi to śledzenie debugowania pośmiertnego.
Oprócz tych drobnych problemów uznałem, że Sędzia jest bardzo prosty i przyjemny w użyciu.
Uznanie za kolejne pomysłowe i zabawne wyzwanie.
Kod
#define _CRT_SECURE_NO_WARNINGS // prevents Microsoft from croaking about the safety of scanf. Since every rabid Russian hacker and his dog are welcome to try and overflow my buffers, I could not care less.
#include "lodepng.h"
#include <vector>
#include <deque>
#include <iostream>
#include <sstream>
#include <cassert> // paranoid android
#include <cstdint> // fixed size types
#include <algorithm> // min max
using namespace std;
// ============================================================================
// The less painful way I found to teach C++ how to handle png images
// ============================================================================
typedef unsigned tRGB;
#define RGB(r,g,b) (((r) << 16) | ((g) << 8) | (b))
class tRawImage {
public:
unsigned w, h;
tRawImage(unsigned w=0, unsigned h=0) : w(w), h(h), data(w*h * 4, 0) {}
void read(const char* filename) { unsigned res = lodepng::decode(data, w, h, filename); assert(!res); }
void write(const char * filename)
{
std::vector<unsigned char> png;
unsigned res = lodepng::encode(png, data, w, h, LCT_RGBA); assert(!res);
lodepng::save_file(png, filename);
}
tRGB get_pixel(int x, int y) const
{
size_t base = raw_index(x,y);
return RGB(data[base], data[base + 1], data[base + 2]);
}
void set_pixel(int x, int y, tRGB color)
{
size_t base = raw_index(x, y);
data[base+0] = (color >> 16) & 0xFF;
data[base+1] = (color >> 8) & 0xFF;
data[base+2] = (color >> 0) & 0xFF;
data[base+3] = 0xFF; // alpha
}
private:
vector<unsigned char> data;
void bound_check(unsigned x, unsigned y) const { assert(x < w && y < h); }
size_t raw_index(unsigned x, unsigned y) const { bound_check(x, y); return 4 * (y * w + x); }
};
// ============================================================================
// coordinates
// ============================================================================
typedef int16_t tCoord;
struct tPoint {
tCoord x, y;
tPoint operator+ (const tPoint & p) const { return { x + p.x, y + p.y }; }
};
typedef deque<tPoint> tPointList;
// ============================================================================
// command line and input parsing
// (in a nice airtight bag to contain the stench of C++ string handling)
// ============================================================================
enum tCommand {
c_quit,
c_update,
c_play,
};
class tParser {
public:
tRGB color;
tPointList points;
tRGB read_color(const char * s)
{
int r, g, b;
sscanf(s, "(%d,%d,%d)", &r, &g, &b);
return RGB(r, g, b);
}
tCommand command(void)
{
string line;
getline(cin, line);
string cmd = get_token(line);
points.clear();
if (cmd == "exit") return c_quit;
if (cmd == "pick") return c_play;
// even more convoluted and ugly than the LEFT$s and RIGHT$s of Apple ][ basic...
if (cmd != "colour")
{
cerr << "unknown command '" << cmd << "'\n";
exit(0);
}
assert(cmd == "colour");
color = read_color(get_token(line).c_str());
get_token(line); // skip "chose"
while (line != "")
{
string coords = get_token(line);
int x = atoi(get_token(coords, ',').c_str());
int y = atoi(coords.c_str());
points.push_back({ x, y });
}
return c_update;
}
private:
// even more verbose and inefficient than setting up an ADA rendezvous...
string get_token(string& s, char delimiter = ' ')
{
size_t pos = 0;
string token;
if ((pos = s.find(delimiter)) != string::npos)
{
token = s.substr(0, pos);
s.erase(0, pos + 1);
return token;
}
token = s; s.clear(); return token;
}
};
// ============================================================================
// pathing
// ============================================================================
class tPather {
public:
tPather(tRawImage image, tRGB own_color)
: arena(image)
, w(image.w)
, h(image.h)
, own_color(own_color)
, enemy_threat(false)
{
// extract colored pixels and own color areas
tPointList own_pixels;
color_plane[neutral].resize(w*h, false);
color_plane[enemies].resize(w*h, false);
for (size_t x = 0; x != w; x++)
for (size_t y = 0; y != h; y++)
{
tRGB color = image.get_pixel(x, y);
if (color == col_white) continue;
plane_set(neutral, x, y);
if (color == own_color) own_pixels.push_back({ x, y }); // fill the frontier with all points of our color
}
// compute initial frontier
for (tPoint pixel : own_pixels)
for (tPoint n : neighbour)
{
tPoint pos = pixel + n;
if (!in_picture(pos)) continue;
if (image.get_pixel(pos.x, pos.y) == col_white)
{
frontier.push_back(pixel);
break;
}
}
}
tPointList search(size_t pixels_required)
{
// flood fill the arena, starting from our current frontier
tPointList result;
tPlane closed;
static tCandidate pool[max_size*max_size]; // fastest possible garbage collection
size_t alloc;
static tCandidate* border[max_size*max_size]; // a FIFO that beats a deque anytime
size_t head, tail;
static vector<tDistance>distance(w*h); // distance map to be flooded
size_t filling_pixels = 0; // end of game optimization
get_more_results:
// ready the distance map for filling
distance.assign(w*h, distance_max);
// seed our flood fill with the frontier
alloc = head = tail = 0;
for (tPoint pos : frontier)
{
border[tail++] = new (&pool[alloc++]) tCandidate (pos);
}
// set already explored points
closed = color_plane[neutral]; // that's one huge copy
// add current result
for (tPoint pos : result)
{
border[tail++] = new (&pool[alloc++]) tCandidate(pos);
closed[raw_index(pos)] = true;
}
// let's floooooood!!!!
while (tail > head && pixels_required > filling_pixels)
{
tCandidate& candidate = *border[head++];
tDistance dist = candidate.distance;
distance[raw_index(candidate.pos)] = dist++;
for (tPoint n : neighbour)
{
tPoint pos = candidate.pos + n;
if (!in_picture (pos)) continue;
size_t index = raw_index(pos);
if (closed[index]) continue;
if (color_plane[enemies][index])
{
if (dist == (distance_initial + 1)) continue; // already near an enemy pixel
// reached the nearest enemy pixel
static tPoint trail[max_size * max_size / 2]; // dimensioned as a 1 pixel wide spiral across the whole map
size_t trail_size = 0;
// walk back toward the frontier
tPoint walker = candidate.pos;
tDistance cur_d = dist;
while (cur_d > distance_initial)
{
trail[trail_size++] = walker;
tPoint next_n;
for (tPoint n : neighbour)
{
tPoint next = walker + n;
if (!in_picture(next)) continue;
tDistance prev_d = distance[raw_index(next)];
if (prev_d < cur_d)
{
cur_d = prev_d;
next_n = n;
}
}
walker = walker + next_n;
}
// collect our precious new pixels
if (trail_size > 0)
{
while (trail_size > 0)
{
if (pixels_required-- == 0) return result; // ;!; <-- BRUTAL EXIT
tPoint pos = trail[--trail_size];
result.push_back (pos);
}
goto get_more_results; // I could have done a loop, but I did not bother to. Booooh!!!
}
continue;
}
// on to the next neighbour
closed[index] = true;
border[tail++] = new (&pool[alloc++]) tCandidate(pos, dist);
if (!enemy_threat) filling_pixels++;
}
}
// if all enemies have been surrounded, top up result with the first points of our flood fill
if (enemy_threat) enemy_threat = pixels_required == 0;
tPathIndex i = frontier.size() + result.size();
while (pixels_required--) result.push_back(pool[i++].pos);
return result;
}
// tidy up our map and frontier while other bots are thinking
void validate(tPointList moves)
{
// report new points
for (tPoint pos : moves)
{
frontier.push_back(pos);
color_plane[neutral][raw_index(pos)] = true;
}
// remove surrounded points from frontier
for (auto it = frontier.begin(); it != frontier.end();)
{
bool in_frontier = false;
for (tPoint n : neighbour)
{
tPoint pos = *it + n;
if (!in_picture(pos)) continue;
if (!(color_plane[neutral][raw_index(pos)] || color_plane[enemies][raw_index(pos)]))
{
in_frontier = true;
break;
}
}
if (!in_frontier) it = frontier.erase(it); else ++it; // the magic way of deleting an element without wrecking your iterator
}
}
// handle enemy move notifications
void update(tRGB color, tPointList points)
{
assert(color != own_color);
// plot enemy moves
enemy_threat = true;
for (tPoint p : points) plane_set(enemies, p);
// important optimization here :
/*
* Stop 1 pixel away from the enemy to avoid wasting moves in dogfights.
* Better let the enemy gain a few more pixels inside the surrounded region
* and use our precious moves to get closer to the next threat.
*/
for (tPoint p : points) for (tPoint n : neighbour) plane_set(enemies, p+n);
// if a new enemy is detected, gather its initial pixels
for (tRGB enemy : known_enemies) if (color == enemy) return;
known_enemies.push_back(color);
tPointList start_areas = scan_color(color);
for (tPoint p : start_areas) plane_set(enemies, p);
}
private:
typedef uint16_t tPathIndex;
typedef uint16_t tDistance;
static const tDistance distance_max = 0xFFFF;
static const tDistance distance_initial = 0;
struct tCandidate {
tPoint pos;
tDistance distance;
tCandidate(){} // must avoid doing anything in this constructor, or pathing will slow to a crawl
tCandidate(tPoint pos, tDistance distance = distance_initial) : pos(pos), distance(distance) {}
};
// neighbourhood of a pixel
static const tPoint neighbour[4];
// dimensions
tCoord w, h;
static const size_t max_size = 1000;
// colors lookup
const tRGB col_white = RGB(0xFF, 0xFF, 0xFF);
const tRGB col_black = RGB(0x00, 0x00, 0x00);
tRGB own_color;
const tRawImage arena;
tPointList scan_color(tRGB color)
{
tPointList res;
for (size_t x = 0; x != w; x++)
for (size_t y = 0; y != h; y++)
{
if (arena.get_pixel(x, y) == color) res.push_back({ x, y });
}
return res;
}
// color planes
typedef vector<bool> tPlane;
tPlane color_plane[2];
const size_t neutral = 0;
const size_t enemies = 1;
bool plane_get(size_t player, tPoint p) { return plane_get(player, p.x, p.y); }
bool plane_get(size_t player, size_t x, size_t y) { return in_picture(x, y) ? color_plane[player][raw_index(x, y)] : false; }
void plane_set(size_t player, tPoint p) { plane_set(player, p.x, p.y); }
void plane_set(size_t player, size_t x, size_t y) { if (in_picture(x, y)) color_plane[player][raw_index(x, y)] = true; }
bool in_picture(tPoint p) { return in_picture(p.x, p.y); }
bool in_picture(int x, int y) { return x >= 0 && x < w && y >= 0 && y < h; }
size_t raw_index(tPoint p) { return raw_index(p.x, p.y); }
size_t raw_index(size_t x, size_t y) { return y*w + x; }
// frontier
tPointList frontier;
// register enemies when they show up
vector<tRGB>known_enemies;
// end of game optimization
bool enemy_threat;
};
// small neighbourhood
const tPoint tPather::neighbour[4] = { { -1, 0 }, { 1, 0 }, { 0, -1 }, { 0, 1 } };
// ============================================================================
// main class
// ============================================================================
class tGame {
public:
tGame(tRawImage image, tRGB color, size_t num_pixels)
: own_color(color)
, response_len(num_pixels)
, pather(image, color)
{}
void main_loop(void)
{
// grab an initial answer in case we're playing first
tPointList moves = pather.search(response_len);
for (;;)
{
ostringstream answer;
size_t num_points;
tPointList played;
switch (parser.command())
{
case c_quit:
return;
case c_play:
// play as many pixels as possible
if (moves.size() < response_len) moves = pather.search(response_len);
num_points = min(moves.size(), response_len);
for (size_t i = 0; i != num_points; i++)
{
answer << moves[0].x << ',' << moves[0].y;
if (i != num_points - 1) answer << ' '; // STL had more important things to do these last 30 years than implement an implode/explode feature, but you can write your own custom version with exception safety and in-place construction. It's a bit of work, but thanks to C++ inherent genericity you will be able to extend it to giraffes and hippos with a very manageable amount of code refactoring. It's not anyone's language, your C++, eh. Just try to implode hippos in Python. Hah!
played.push_back(moves[0]);
moves.pop_front();
}
cout << answer.str() << '\n';
// now that we managed to print a list of points to stdout, we just need to cleanup the mess
pather.validate(played);
break;
case c_update:
if (parser.color == own_color) continue; // hopefully we kept track of these already
pather.update(parser.color, parser.points);
moves = pather.search(response_len); // get cracking
break;
}
}
}
private:
tParser parser;
tRGB own_color;
size_t response_len;
tPather pather;
};
void main(int argc, char * argv[])
{
// process command line
tRawImage raw_image; raw_image.read (argv[1]);
tRGB my_color = tParser().read_color(argv[2]);
int num_pixels = atoi (argv[3]);
// init and run
tGame game (raw_image, my_color, num_pixels);
game.main_loop();
}
Budowanie pliku wykonywalnego
Użyłem LODEpng.cpp i LODEpng.h do odczytu obrazów png.
O najprostszym sposobie, w jaki udało mi się nauczyć tego opóźnionego języka C ++, jak czytać obrazki bez konieczności budowania kilku bibliotek.
Wystarczy skompilować i połączyć LODEpng.cpp wraz z głównym, a Bob jest wujem.
Kompilowałem z MSVC2013, ale ponieważ użyłem tylko kilku podstawowych kontenerów STL (deque i wektory), może działać z gcc (jeśli masz szczęście).
Jeśli nie, to może spróbować kompilacji MinGW, ale szczerze mówiąc jestem zmęczony kwestii przenośności C ++.
Zrobiłem całkiem sporo przenośnego C / C ++ w moich czasach (na egzotycznych kompilatorach dla różnych procesorów od 8 do 32 bitów, a także SunOS, Windows od 3.11 do Vista i Linux od niemowlęctwa po zebrę grającą Ubuntu itp., Więc myślę Mam całkiem niezłe pojęcie o tym, co oznacza przenośność), ale w tamtym czasie nie wymagało to zapamiętywania (ani odkrywania) niezliczonych rozbieżności między interpretacjami GNU i Microsoft dotyczących tajemniczych i rozdętych specyfikacji potwora STL.
Wyniki przeciwko Swallower
Jak to działa
Zasadniczo jest to prosta ścieżka wypełniania brute-force.
Granica koloru gracza (tj. Piksele, które mają co najmniej jednego białego sąsiada) służy jako ziarno do wykonania klasycznego algorytmu zalewania odległości.
Kiedy punkt osiąga stopień koloru wroga, obliczana jest ścieżka wsteczna w celu wytworzenia ciągu pikseli zbliżającego się do najbliższego punktu wroga.
Proces ten powtarza się, aż zgromadzi się wystarczającą liczbę punktów do uzyskania żądanej długości.
Powtarzanie jest nieprzyzwoicie drogie, szczególnie podczas walki w pobliżu wroga.
Za każdym razem, gdy zostanie znaleziony ciąg pikseli prowadzących od granicy do piksela wroga (i potrzebujemy więcej punktów, aby ukończyć odpowiedź), wypełnienie powodziowe jest powtarzane od początku, a nowa ścieżka jest dodawana do granicy. Oznacza to, że możesz uzyskać 5 lub więcej wypełnień, aby uzyskać odpowiedź 10 pikseli.
Jeśli nie ma już więcej pikseli wroga, wybierani są dowolni sąsiedzi pikseli nadgranicznych.
Algorytm przekształca się w raczej nieefektywne wypełnienie powodziowe, ale dzieje się tak dopiero po ustaleniu wyniku gry (tj. Nie ma już neutralnego terytorium do walki).
Zoptymalizowałem go, aby sędzia nie spędzał wieków na wypełnianiu mapy po rozstrzygnięciu zawodów. W obecnym stanie czas wykonania jest pomijalny w porównaniu z samym sędzią.
Ponieważ kolory wroga nie są znane na początku, początkowy obraz areny jest przechowywany w celu skopiowania obszarów początkowych wroga, gdy wykonuje on pierwszy ruch.
Jeśli kod zostanie odtworzony jako pierwszy, wypełni tylko kilka dowolnych pikseli.
To sprawia, że algorytm jest w stanie walczyć z dowolną liczbą przeciwników, a nawet potencjalnie nowymi przeciwnikami przybywającymi w przypadkowym momencie lub kolorami pojawiającymi się bez obszaru początkowego (choć nie ma to praktycznie żadnego praktycznego zastosowania).
Obsługa wroga w oparciu o kolor za kolorem pozwoliłaby również na współpracę dwóch instancji bota (użycie współrzędnych pikseli w celu przekazania tajnego znaku rozpoznawczego).
Brzmi fajnie, prawdopodobnie spróbuję :).
Ścieżka wymagająca dużej ilości obliczeń jest wykonywana, gdy tylko nowe dane są dostępne (po powiadomieniu o przeniesieniu), a niektóre optymalizacje (aktualizacja granicy) są wykonywane tuż po udzieleniu odpowiedzi (aby wykonać jak najwięcej obliczeń podczas innych tur botów ).
Tutaj znowu mogą istnieć sposoby robienia bardziej subtelnych rzeczy, jeśli byłby więcej niż 1 przeciwnik (np. Przerwanie obliczeń, jeśli nowe dane staną się dostępne), ale w każdym razie nie widzę, gdzie potrzebna jest wielozadaniowość, dopóki algorytm jest zdolny do pracy przy pełnym obciążeniu.
Problemy z wydajnością
Wszystko to nie może działać bez szybkiego dostępu do danych (i większej mocy obliczeniowej niż cały program Appolo, tj. Przeciętnego komputera PC, gdy wykonuje się więcej niż opublikowanie kilku tweetów).
Szybkość zależy w dużej mierze od kompilatora. Zwykle GNU bije Microsoft o 30% margines (to magiczna liczba, którą zauważyłem w 3 innych wyzwaniach związanych z kodowaniem ścieżek), ale ten przebieg może się oczywiście różnić.
Kod w obecnym stanie z trudem powstrzymuje pot na arenie 4. Perfektor Windows zgłasza około 4 do 7% użycia procesora, więc powinien być w stanie poradzić sobie z mapą 1000x1000 w limicie czasu odpowiedzi 100ms.
W centrum każdego algorytmu ścieżkowania znajduje się FIFO (być może prowizoryczny, choć nie w tym przypadku), co z kolei wymaga szybkiej alokacji elementów.
Ponieważ OP obowiązkowo ustanowiło limit wielkości areny, zrobiłem matematykę i zobaczyłem, że ustalone struktury danych zwymiarowane na maksimum (tj. 1.000.000 pikseli) nie będą zużywać więcej niż kilkadziesiąt megabajtów, które przeciętny komputer je na śniadanie.
Rzeczywiście pod Win7 i skompilowany z MSVC 2013, kod zużywa około 14 Mb na arenie 4, podczas gdy dwa wątki Swallower zużywają ponad 20 Mb.
Zacząłem od kontenerów STL dla łatwiejszego prototypowania, ale STL sprawił, że kod był jeszcze mniej czytelny, ponieważ nie miałem ochoty tworzyć klasy, która zawierałaby wszystkie dane w celu ukrycia zaciemnienia (czy to z powodu mojej własnej niezdolności do poradzenie sobie z STL pozostawiono do uznania czytelnika).
Niezależnie od tego wynik był tak okropnie powolny, że początkowo myślałem, że przez pomyłkę buduję wersję debugującą.
Sądzę, że jest to częściowo spowodowane niewiarygodnie słabą implementacją STL Microsoftu (gdzie na przykład wektory i zestawy bitów wykonują kontrole graniczne lub inne operacje szyfrujące na operatorze [], co stanowi bezpośrednie naruszenie specyfikacji), a częściowo ze względu na konstrukcję STL samo.
Mógłbym poradzić sobie z okropnymi problemami ze składnią i przenośnością (tj. Microsoft vs GNU), gdyby występy były, ale z pewnością tak nie jest.
Na przykład dequejest z natury powolny, ponieważ tasuje wiele danych z ksiąg rachunkowych, czekając na okazję, aby zrobić super inteligentną zmianę rozmiaru, o którą nie obchodzi mnie to mniej.
Jasne, że mogłem zaimplementować niestandardowy alokator i inne niestandardowe bity szablonu, ale sam niestandardowy alokator kosztuje kilkaset wierszy kodu i lepszą część dnia na przetestowanie, co z dziesiątkami interfejsów, które musi zaimplementować, podczas gdy ręcznie robiona równoważna struktura ma około zero linii kodu (choć jest bardziej niebezpieczna, ale algorytm nie zadziałałby, gdybym nie wiedział - lub nie sądziłbym, że wiedziałem - co robię).
Więc ostatecznie trzymałem kontenery STL w niekrytycznych częściach kodu i zbudowałem własnego brutalnego alokatora i FIFO z dwoma tablicami z około 1970 roku i trzema niepodpisanymi skrótami.
Połknięcie połykacza
Jak potwierdził jego autor, nieregularne wzorce Jaskółki są spowodowane opóźnieniem między powiadomieniami o ruchach wroga i aktualizacjami z wątku.
Systemowy miernik wydajności wyraźnie pokazuje, że nici zużywające 100% procesora przez cały czas, a postrzępione wzory pojawiają się zwykle, gdy walka przenosi się na nowy obszar. Jest to również dość widoczne w przypadku animacji.
Prosta, ale skuteczna optymalizacja
Po obejrzeniu epickich pojedynków między Swallower a moim wojownikiem przypomniałem sobie stare powiedzenie z gry Go: broń z bliska, ale atakuj z daleka.
Jest w tym mądrość. Jeśli spróbujesz zbyt mocno trzymać się przeciwnika, zmarnujesz cenne ruchy, próbując zablokować każdą możliwą ścieżkę. Wręcz przeciwnie, jeśli pozostaniesz tylko o jeden piksel, prawdopodobnie unikniesz wypełniania małych luk, które zyskałyby bardzo niewiele, i użyjesz swoich ruchów, aby przeciwdziałać ważniejszym zagrożeniom.
Aby zrealizować ten pomysł, po prostu rozszerzyłem ruchy wroga (zaznaczając 4 sąsiadów każdego ruchu jako piksel wroga).
To zatrzymuje algorytm ścieżkowania jeden piksel od granicy wroga, pozwalając mojemu wojownikowi ominąć przeciwnika, nie dając się złapać w zbyt wiele pojedynków.
Możesz zobaczyć poprawę
(chociaż wszystkie przebiegi nie są tak udane, możesz zauważyć znacznie gładsze kontury):
